知识图谱术语词典

知识图谱用节点和关系表示知识，适合表达实体之间的结构化联系。它常用于搜索、问答、推荐、风控和企业知识管理。

基础元素

Entity，实体：现实或概念中的对象，例如人物、公司、产品、疾病。

Relation，关系：实体之间的联系，例如“任职于”“位于”“属于”。

Triple，三元组：知识图谱的基本表达，形式是“实体—关系—实体”，例如“张三—任职于—某公司”。

Attribute，属性：实体的具体信息，例如公司成立时间、产品价格。

构建过程

Ontology，本体：定义领域中的实体类型、关系类型和约束，相当于知识图谱的结构设计。

Entity Extraction，实体抽取：从文本中识别实体。

Relation Extraction，关系抽取：识别实体之间的关系。

Entity Linking，实体链接：把文本中的实体提及链接到图谱中的唯一实体。

应用术语

Graph Query，图查询：按关系路径查找信息，例如查询某公司所有子公司。

Reasoning，推理：根据已有关系推导新关系。

Graph Embedding，图嵌入：把节点和关系表示成向量，用于预测和推荐。

与 RAG 的关系

知识图谱擅长结构化关系，RAG 擅长从非结构化文档检索片段。两者可以结合：先用图谱确定实体和关系，再检索相关文档生成解释。

易混淆点

知识图谱不是简单的标签库。它强调实体唯一性、关系类型和可查询结构。图谱构建难点常在数据清洗、实体消歧和持续维护。

使用建议

如果业务问题经常涉及“谁和谁有什么关系”“路径是什么”“层级怎么查”，知识图谱很有价值。如果只是文档问答，先用 RAG 可能更快。